一种低成本的跨体假肢,通过一台ML辅助的EEG头部手势控制系统来操作

科学领域:

• 生物医学工程 生物医学工程
• 神经修复品是一种神经修复品.
• 医疗保健中的机器学习

背景情况:

• 上肢假肢面临控制系统,侵入性手术和高成本的挑战,导致使用率很高.
• 现有的非侵入性神经监测,如单通道脑电图 (EEG),在性能和解释方面存在局限性.
• 需要价格实惠,非侵入性和有效的控制解决方案来控制跨度神经假体.

研究的目的:

• 为了开发一种低成本,非侵入性的跨体神经假体.
• 创建一个有效的控制系统,使用脑电图 (EEG) 信号和头部手势.
• 利用机器学习 (ML) 来改善EEG信号解释和系统性能.

主要方法:

• 开发了一个基于神经网络的EEG解释算法,使用分层混合专家结构.
• 从人类受试者收集的八个频段的EEG数据中训练了ML算法.
• 基于集成惯性测量单元 (IMU) 的头部手势控制用于补充系统输入.

主要成果:

• 与现有的EEG解释系统相比,开发的ML模型实现了竞争性性能.
• 头部手势可以实现直观的控制,使肘部和手腕关节在270度处置.
• 这种由大脑控制的假肢的制造成本为300美元,并在盒子和块测试中表现出竞争力.

结论:

• 这项研究提供了一个低成本,非侵入性神经假体的概念证明.
• 脑电图和头部手势的结合为上肢假肢提供了一个可行的控制策略.
• 需要进行进一步的临床试验,以探索这种ML驱动的神经假肢系统的更广泛应用.